江湖，又到了風云變幻急的時候。前幾天，蔚來ET7連續(xù)直播13小時挑戰(zhàn)續(xù)航1000公里刷爆車圈。但相對于“蔚小理”曾經(jīng)的意氣風發(fā)，這場直播卻充滿奮力一搏的壯烈感。150度電池包，的確能緩解中國車主續(xù)航不足的深度焦慮，但如果想著僅憑這招就能在高新技術扎堆的電動車江湖呼風喚雨，就未免簡單。江湖新的打開模式已鎖定——就是智能駕駛，它的背后是基礎算力、AI大模型、云計算所有這些尖端的科技。所以，蔚來真正的麻煩還在后面?，F(xiàn)在，比蔚來更麻煩的可能是通用Cruise。Cruise，在之前眾多智能駕駛相關的排行、測評中是僅次于谷歌Waymo的存在，遙遙領先于百度、特斯拉，也一度被看作是通用汽車的未來。

圖源：Cruise官網(wǎng)

但只是因為未能合理處理一個Corner case，Cruise的境遇急轉直下，牌照被叫停，高管們紛紛離職，還有裁員……從第二滑到排行榜單屏都看不到，僅5年。Corner cases(CC)，是自動駕駛場景中不常見或一些極端的場景數(shù)據(jù)，比如路邊變形的事故車，或者外觀變動大的車輛等等，它的背后往往意味著更大安全事故的可能性。一個Corner Case接近毀掉一家自動駕駛企業(yè)。這也意味著，自動駕駛技術行至今天，仿佛已經(jīng)到了沖擊珠峰的最后幾百米，每進一步，都非常困難?，F(xiàn)在，這個江湖的最大懸念就是：誰將第一批登頂？

行百里者半九十

續(xù)航400公里，還是1000公里，重要嗎？重要，但不是唯一的重要。從商業(yè)的角度，為了多出來的幾百公里，用戶要多花很多錢，值不值一定會成為一個問題。從技術護城河的角度，電動汽車的幾大核心部分：動力電池、電機、電控和智能駕駛，前三個都有了相對成熟的解決方案，差距也在可容忍范圍內(nèi)，只有智能駕駛，才是行業(yè)公認的“天王山”。不久前，美國加州機車輛管理局公布了一份《2018年自動駕駛接管報告》，62家持牌公司達到披露標準的有48家，全是行業(yè)的頂級玩家，它們當年的差距大到超乎想象。

如今5年過去，L2已經(jīng)成熟，L3似乎近在咫尺，這個進化速度讓人們相信，自動駕駛的大時代肯定會來，只是時間早晚。但Cruise的遭遇帶來了一抹陰影，頭部玩家之間的差距看起來大為縮小，但想要彌補卻變得比5年前更難。行百里者半九十，這警告現(xiàn)實而且殘酷。自動駕駛95%以上的常見駕駛場景，或者說容易的都解決了，剩余5%場景（即業(yè)內(nèi)所稱的Corner case）的處理能力才是最殘酷的考驗。如果不能成為第一批解決這個技術問題的企業(yè)，那很可能就意味著出局。

Corner case于智能駕駛而言，大約就相當于珠穆朗瑪峰北坡位于8680米處的那個高數(shù)米而幾乎垂直的巖壁，過不去，北坡就叫“死亡線路”，過去了就是無限風光。它們罕見，卻又無法完全避免，花樣層出不窮，自動駕駛必須保證高效應對，否則，就有極大可能導致嚴重事故。2018年，特斯拉就因為一次事故，導致在某個測評中墊底。按照傳統(tǒng)方法，要征服Corner case，有點玄學的意味。比如，它們的算力需求是碎片化的，從0.5T到幾十、甚至幾百T，對數(shù)據(jù)精度的要求，也是大相徑庭，當然還涉及到算法，導致投入、產(chǎn)出比難以估算。

簡單說，如果用傳統(tǒng)的路測車輛去發(fā)現(xiàn)、積累這些無窮盡的Corner Case，在成本、安全性、和時間上可能都是車企無法承受的。更麻煩的是，有很多Corner Case在路測中可能永遠也不會遇到。所以，要贏得這場比賽，讓自動駕駛盡快成為“老司機“，有兩種辦法：第一，找到一個搭配智能輔助功能車輛足夠多的地方，這也是馬斯克一直對中國電動車市場極為羨慕的原因之一；第二，就是當下最火的人工智能大模型，在GPT進化到GPT4-Turbo之后，新思路已經(jīng)躍然而出。

上海人工智能實驗室和華東師范大學的研究人員在今年7月發(fā)表了一篇論文中指出，雖然人類駕駛員和以前基于優(yōu)化的自動駕駛系統(tǒng)都會開車，但人具備基本常識，而傳統(tǒng)的自動駕駛系統(tǒng)連常識也需要學習和訓練。但是，以GPT技術加持的LLM能夠像人類駕駛員一樣用常識推理復雜的駕駛場景，從而解決Corner Case 問題。

圖注：研究人員用具體例子展示了LLM在駕駛場景中強大的零樣本理解和推理能力。利用常識知識，不僅讓LLM能夠更好地理解場景中的語義信息，還能讓其做出更理性的決策，更符合人類的駕駛行為。

在國內(nèi)，以華為云為代表的廠商在用大模型解決Corner case方面，已經(jīng)積累了不少經(jīng)驗。

第一，你可以將其理解為真實重構。

盤古大模型結合NeRF技術，構建AI 3D引擎以及在此之上的AI 3D平臺，進行建模、渲染以及3D 素材制作、場景制作等工作，最終實現(xiàn)將不同時刻拍攝的視頻、圖片、點云等多種模態(tài)的數(shù)據(jù)重建為虛擬的3D空間，并通過重建各類障礙物素材庫，變換已有場景的天氣、晝夜、季節(jié)等環(huán)境因素，基于已有路采數(shù)據(jù)做場景重建等方式，構造出新的Corner case。傳統(tǒng)上培養(yǎng)一個老司機可能需要積累100億公里的駕駛數(shù)據(jù)，那么現(xiàn)在這個里程被大大縮減，而且不用真車實跑，讓大模型跑起來就可以了。

第二，數(shù)據(jù)標注一步到位。

傳統(tǒng)主要是通過回放方式來給數(shù)據(jù)分類，而大模型+NeRF的方式可對街景、泊車等場景進行三維重建，實現(xiàn)“同一對象只標一次”即可遷移所有相關圖像，“同一場景只采一次”即可獲得不同視角圖像，數(shù)據(jù)成本可降低到路采+人工標注模式的1/5，效率也大大提升。車廠每年積累的數(shù)據(jù)不斷增加，甚至達到百TB級別，但真正能夠用做算法訓練的數(shù)據(jù)占比不到 10%，想提高利用率要么花千百億重新進行數(shù)據(jù)標注，而盤古的場景理解大模型則已經(jīng)可以高效從原始數(shù)據(jù)中把需要的數(shù)據(jù)篩選出來，最高可降低90%的標準量，效率提升30%-40%。

第三，算法優(yōu)化。

傳統(tǒng)技術路徑中，自動駕駛方案中的算法訓練也是需要經(jīng)過反復驗證，而大模型可以學習自動駕駛系統(tǒng)的弱點，自動創(chuàng)建對抗性場景，無需手動調整算法，可以適應更快節(jié)奏、更大規(guī)模的訓練。大模型哪家強，現(xiàn)在公認的是美國遙遙領先，中國緊隨其后，歐美日韓各有所長，而這個江湖的命運現(xiàn)在都聚焦在了大模型上。

變“短板”為“跳板”

1975年，為了征服珠峰北坡8680米處的絕壁，中國將一個長6米的金屬梯樹立于此，讓國際上對中國人居然從北坡登頂珠峰的質疑，從此煙消云散。當年中國一定要登頂?shù)谋澈笠彩且粓鰢H較量，中國與尼泊爾為了珠穆郎波峰的歸屬爭執(zhí)了幾十年，尼方提出的最大質疑就是：你說珠峰歸你，但你還從未從中國境內(nèi)登頂過一次。所以，中國梯包含了國人的尊嚴，賭上了幾批登山隊員的生命，背后也包含了中國最頂級航天材料加工技術。如果說，大模型就是我們實現(xiàn)自動駕駛的那個“金屬梯”，但這道梯子本身也絕不簡單。每一個大模型背后都意味著海量算力的投入。比如，在自然語言處理領域GPT-3模型，就需要上千片A100芯片超一個月的訓練時間。國盛證券估算，GPT-3的單次訓練成本就高達140萬美元，對于一些更大的大模型，單次訓練成本介于200萬美元至1200萬美元之間。據(jù)業(yè)內(nèi)機構預測，全球頭部AI大模型訓練算力需求每3～4個月翻一番，即平均每年增幅達到10倍。與算力需求端的高歌猛進相比，算力供給端則明顯跟不上節(jié)奏。地緣爭端更是人為加劇了這場競賽的不公平。

過去幾個月，并濟科技、匯納科技等多家 A 股上市公司公告，將內(nèi)嵌英偉達A100芯片的高性能算力服務收費上調100%，而一些云廠商則悄然暫停A100服務器出租業(yè)務。英偉達專供中國大陸市場的H800型號芯片，因新增列入禁售名單，其售價已翻倍，從原本的人民幣21萬元急漲至最高人民幣40萬元，但仍然很難買到。在算力焦慮之下，業(yè)內(nèi)甚至出現(xiàn)了“誰能爭搶到算力，誰就更有先發(fā)權”的觀點。所幸的是，國內(nèi)有華為云這樣的算力玩家頂了上來。而通過可持續(xù)的算力服務，華為云已經(jīng)成為大模型企業(yè)的重要算力提供商。

據(jù)了解，華為云烏蘭察布數(shù)據(jù)中心部署了單集群達2000P Flops的昇騰AI云服務，大模型訓練30天長穩(wěn)率達到90%，斷點恢復時長不超過10分鐘，同時訓練效能可以調優(yōu)到業(yè)界主流GPU的1.1倍，推動大模型技術更好地服務于汽車行業(yè)。

華為云烏蘭察布數(shù)據(jù)中心

昇騰算力底座可部署于私有云、公有云、專屬云、人工智能計算中心 AICC 等。除了支持華為的AI框架Mindspore 外，還支持 Pytorch、Tensorflow 等主流 AI 框架，框架中的90%算子，可以通過華為端到端遷移工具從 GPU 平滑遷移到昇騰。

在安全方面，華為云也異常重視。為了滿足監(jiān)管和車企的需求，華為云在烏蘭察布汽車專區(qū)采用3分區(qū)合規(guī)架構設計，包括數(shù)據(jù)處理區(qū)、智駕業(yè)務區(qū)和網(wǎng)絡中繼區(qū)，實現(xiàn)嚴格物理隔離和權限控制，滿足自動駕駛開發(fā)合規(guī)要求。在運營上，華為云還構建7層安全縱深防御體系，并打造了安全云腦方案，構建300多個安全檢測模型，100多個自動響應劇本，實現(xiàn)99%的安全威脅5分鐘閉環(huán)。

同時，在汽車專區(qū)的認證資質方面，華為云通過了業(yè)內(nèi)120+權威安全合規(guī)認證，是中國首個通過汽車TISAX認證的云廠商。

此外，華為云還構建了AI-Native存儲系統(tǒng)，提供數(shù)據(jù)24小時入云、精細存儲、高效訓練服務，助力汽車行業(yè)面對智能化帶來的數(shù)據(jù)浪涌挑戰(zhàn)。事實上，對于車企而言，有了大模型和算力仍然不夠，還需要一個構建數(shù)據(jù)閉環(huán)能力的平臺，把大模型和算力池的強大功效真正發(fā)揮出來，對車企而言就是自動駕駛開發(fā)平臺。眾所周知，大模型開發(fā)和調優(yōu)是一個復雜的系統(tǒng)工程，而安全、高效地運維、使用大規(guī)模算力也有著極高的技術門檻。因此，車企們就需要一個強大的工具包，來實現(xiàn)開發(fā)自動駕駛方案所需算力、數(shù)據(jù)、算法的同時加速。

在國內(nèi)，華為云的自動駕駛開發(fā)平臺就是這樣一個功能強大的基礎設施。該平臺基于盤古大模型和ModelArts AI開發(fā)生產(chǎn)線，提供了數(shù)據(jù)生成、自動標注、模型訓練、云端仿真、虛實結合仿真、數(shù)據(jù)閉環(huán)等一系列能力，幫助車企和商用車企業(yè)加速自動駕駛算法的開發(fā)驗證和優(yōu)化迭代，降低成本和風險，提升效率和安全性。
目前，該平臺已經(jīng)在長安、一汽等多個車企以及礦用卡車、港口ART、專線物流重卡等商用車場景中應用并取得良好效果。比如，在露天礦上進行裝排土作業(yè)的場景下，華為云就幫助無人駕駛寬體車實現(xiàn)了全無人駕駛、全天候7*24小時連續(xù)作業(yè)，解決了露天礦揚塵遮蔽、無標識顛簸道路、特種作業(yè)車輛混行等多種挑戰(zhàn)，并對重載達上百噸的車輛規(guī)控算法進行了有效調優(yōu)，實現(xiàn)厘米級的精準?？?。

時間窗口不多了

人工智能大模型對自動駕駛的影響到底如何？汽車行業(yè)的人都在關注特斯拉的自動駕駛系統(tǒng)FSD V12。此前有消息稱，特斯拉近期已向內(nèi)部員工提供FSD V12，而業(yè)內(nèi)預計明年年初會正式面世。業(yè)內(nèi)人士普遍認為，FSD V12的發(fā)布將拔高自動駕駛層級，讓L3（有條件自動駕駛）級別以上的競爭提前到來。而最近，隨著北京、上海大量發(fā)放L3自動駕駛測試牌照，一場新的自動駕駛競賽又迫在眉睫了。最憂慮的還是那些傳統(tǒng)車企，它們在這場競賽中，已經(jīng)被遠遠的拉下。

現(xiàn)在，絕大多數(shù)傳統(tǒng)車企的自動駕駛方案還停留在L2級別，而如果不能快速升級至L3級別，可能很難參與未來更加激烈的市場競爭，被淘汰將不可避免。但要參與L3級別的競爭，傳統(tǒng)車企的技術現(xiàn)狀又著實令人擔憂。一些車企想著靠堆砌硬件的方式來追求L3級別的自動駕駛能力，但是過多的硬件配置又拉高了車輛的成本。此外，仔細觀察行業(yè)，你還會發(fā)現(xiàn)，雖然車企口頭上都對自動駕駛信誓旦旦，但是很多車企根本就沒有搭建其專業(yè)的自動駕駛開發(fā)平臺，而有些車企雖然已經(jīng)搭建開發(fā)平臺，但真正能用起來的又不多。不用說，L3級自動駕駛方案研發(fā)所涉及的技術門檻很高。以傳統(tǒng)車企現(xiàn)有的人才結構，很難走特斯拉那條全自研的路，更何況市場也不會給予車企更多時間進行技術積累。
面對現(xiàn)實，華為云已經(jīng)鋪就的技術平臺，也許會成為它們跨越絕壁的梯子，能讓它們避免被L3的競爭過早的淘汰。事實上，通過這種合作模式，自動駕駛領域未來專業(yè)化的分工體系也初現(xiàn)端倪，可能也更符合汽車行業(yè)的發(fā)展現(xiàn)狀。

結語

汽車智能化的大時代已經(jīng)到來，整個產(chǎn)業(yè)鏈都被裹挾在巨浪之中，或被動或主動，但改變、創(chuàng)新是唯一的選擇。同時，圍繞自動駕駛方案的研發(fā)，也已經(jīng)成為車企不能輸也輸不起的核心戰(zhàn)場。根據(jù)麥肯錫的預測，到2025年全球自動駕駛技術及相關應用的市場規(guī)模將達6000億美元。伴隨大模型驅動的研發(fā)平臺加速進化，自動駕駛量產(chǎn)進程也將駛入快車道。與巨大的市場機遇相伴，一條決定車企未來命運的自動駕駛生死線也已經(jīng)慢慢劃開。從L2到L3級別的升級，看似簡單，但闖過去了才有可能是新時代的弄潮兒，闖不過去就一定是舊時代的諾基亞。由于有了“中國梯”，已經(jīng)有上千人征服了曾經(jīng)的“死亡路線”，而且死亡率一直在下降。在自動駕駛的珠峰攀登之路上，顯然傳統(tǒng)車企也需要找到能讓自己突破技術瓶頸，避免行百里者半九十的那道“中國梯”。